INVESTIGADOR(ES) PRINCIPAL(ES):

CODIGO CIE

E6-18-10

TIPO DE CONVOCATORIA

2017. Estudiantes De Posgrado

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Objetivo general: Desarrollar una estrategia de filtrado automático de imágenes médicas utilizando aproximaciones por media no local e inferencia Bayesiana, con el fin el identificar patrones discriminantes para la segmentación de tumores cerebrales. Objetivos específicos: 1) Desarrollar una estrategia de filtrado automático de imágenes médicas utilizando aproximaciones por media no local e inferencia Bayesiana, con el fin el identificar patrones discriminantes para la segmentación de tumores cerebrales. 2) Desarrollar una metodología de segmentación de tumores cerebrales sobre imágenes de resonancia magnética que combine la estrategia de filtrado automático basado en media no locales y representaciones graph-cuts. 3) Contrastar la exactitud y precisión de la estrategia de segmentación basada en filtrado automático de media no locales en tareas de segmentación de tumores sobre imágenes de resonancia magnética utilizando criterios como el coeficiente de dice, jaccard y volumen.

RESUMEN

La segmentación de tumores cerebrales es uno de los más grandes retos de la medicina moderna puesto que esta enfermedad es una de las mayores causas de muerte en el mundo. Actualmente, una de las formas más comunes de detectar comunes es a través de las imágenes de resonancia magnética (MRI), las cuales entregan un mapa que permite diferenciar entre los diferentes tipos de tejidos en el cerebro. En muchos de los casos de estas imágenes suelen poseer ciertos artefactos que no permiten hacer un correcto diagnóstico del paciente. Es por esto que en este proyecto se implementará el filtro basado en media no locales como (Non-Local Means, NLM) para poder eliminar los artefactos de las MRI a manera de poder mejorar la segmentación de los tumores. Para realizar esto es necesario implementar técnicas de inferencia bayesiana para encontrar los parámetros del filtro que mejoren la segmentación del tumor.

ESTADO

Concluye No Satisfactoriamente

FECHA DE INICIO

22/01/2018

FECHA DE FINALIZACION

22/01/2020

PRODUCTOS